信息技术的发展将整个世界经济带入了一个从未有过的高速增长期。当新经济大潮正在全球范围内急速改变传统的商业模式时，它也对传统企业提出了严峻的挑战，即要求企业管理者以全新的角度来看待未来的客户、未来的竞争对手、未来的技术工具等，因此我们迫切需要一种商家与客户进行交流的新方式。 客户关系管理(Customer Relationship Management，CRM)作为信息技术发展的产物已经成为企业关注的焦点。它能够提供客户资料以及相关数据分析，能够帮助企业充分利用其客户管理资源做出商业决策，也为企业从容自如地面对竞争提供了科学的手段和方法。大量的调查和行业分析家都明确了这样一个事实，即建立和维持客户关系是取得竞争优势的唯一且最重要的基础，这是社会新经济对传统商业模式变革的直接结果。 客户关系管理的技术核心是数据挖掘。作为一种新的信息处理技术，数据挖掘可以对商业数据库中的大量业务数据进行抽取、转换、装载和其他分析处理，从中提取辅助商业决策的关键性数据，帮助企业向管理智能化发展。 数据挖掘的任务有关联分析、时序模式、聚类、分类与预测等。聚类分析作为数据挖掘的一类功能，是本论文研究的主要内容。本文立足现有的聚类算法，考察了所有在技术层面上实现客户聚类的算法。在研究中，不追求算法的复杂和完美，而是更重视实际可应用性。具体地说，本论文作了如下工作： 首先，介绍了数据挖掘中聚类原理和相关的统计知识，并为以后具体介绍常见的聚类算法提供数学基础； 然后，在参考大量国内外文献的基础上，研究了模糊C均值聚类算法、系统聚类法、减法聚类法等。在模糊C均值聚类算法中引入了有效性函数的概念，从而部分克服了模糊C均值聚类算法局部最优和无法确定聚类的类数的问题； 其次，借助Matlab和SPSS软件，以一组数据为案例，利用Matlab编程，给出实验示例。该程序简单、运行速度快，表明该方法可以推广至海量数据。哈尔滨工程大学硕士学位论文案例得到了三种聚类方法的实验结果，并对直接编程的聚类结果进行比较分析; 最后，论文分析了与聚类分析相关的问题:譬如孤立点、异常数据的处理等。这些问题无论是在理论上还是在实践上还不成熟。论文还简单地分析了客户关系管理系统应用中要注意的问题。 由于条件和时间的限制，本文的研究只是一个前沿工作的开端，这方面的研究工作还需在今后学习和工作中继续完善。